這篇論文由DeepSeek聯合北大、清華共同撰寫，将研究方向投向了決定大模型實際應用落地的關鍵一環——推理速度，為日益復雜的AI智能體，提供一套高效的底層繫統解決方案。
觀點網訊：2月27日，DeepSeek團隊發布了一篇新的學術論文。
這篇論文由DeepSeek聯合北大、清華共同撰寫，将研究方向投向了決定大模型實際應用落地的關鍵一環——推理速度，為日益復雜的AI智能體，提供一套高效的底層繫統解決方案。
具體來說，新論文介紹了一個名為DualPath的創新推理繫統，專門針對智能體工作負載下的大模型（LLM）推理性能進行優化。通過引入“雙路徑讀取KV-Cache（類似記憶緩存）”機制，重新分配存儲網絡負載，将離線推理吞吐量最高提升1.87倍，在線服務的每秒智能體運行數平均提升1.96倍。
論文在引言部分提到，大模型正從單輪對話機器人和獨立推理模型，快速演進為智能體繫統 ——能夠自主規劃、調用工具，並通過多輪交互解決實際任務。這種應用範式的轉變，推動大模型推理工作負載發生重大變革：從傳統的人類-大模型交互，轉向人類-大模型-環境交互，交互輪次可達數十甚至數百輪。
免責聲明：本文内容與數據由觀點根據公開信息整理，不構成投資建議，使用前請核實。
審校：
版權聲明：觀點網絡信息科技有限公司及廣州觀點信息資訊服務有限公司擁有及保留其主辦暨承辦網站、論壇及活動的所有資料（包括但不限於文字、圖片、音頻、視頻資料及頁面設計、編排、軟件等）的所有權、版權等其他相關知識產權。除經授權合法使用上述資料外，未征得我司書面許可並付費，任何單位和個人不得以任何理由及方式使用上述資料（包括但不限於轉載、轉讓、授權他人使用等），否則我司將依法追究其法律責任以及賠償責任。
承印人：觀點網絡信息科技有限公司 (Guandian Network Information Technology Co.,Ltd.)
地址：香港灣仔菲林明道8號大同大廈15樓1505室（Room 5,15th Floor,Tai Tung Building,8 Fleming Road,Wan chai,HongKong Island,HongKong. ）
電郵：info@guandian.hk
移動端下載